dotnet/extensions 9.4.0版本发布:AI功能增强与开发体验优化
dotnet/extensions项目是微软官方维护的.NET扩展库集合,它为.NET开发者提供了各种实用的扩展功能,包括配置、依赖注入、日志记录、缓存等基础设施组件。在最新的9.4.0版本中,项目团队重点增强了AI相关功能,并优化了开发体验。
AI功能增强
本次更新在AI功能方面带来了多项重要改进:
-
ChatMessage功能增强:新增了MessageId属性,使消息跟踪更加方便。同时修复了ChatResponseUpdate分组到ChatMessage的问题,提升了消息处理的准确性。
-
函数调用优化:改进了AIFunctionFactory的功能,现在可以更好地处理缺失的必要参数,并支持自定义参数绑定和结果编组。开发者现在可以使用ActivatorUtilities.Create来创建函数实例,提供了更大的灵活性。
-
JSON Schema支持:增强了JSON Schema的生成能力,当指定RequireAllProperties时,现在会从生成的模式中去除default关键字。新增了jsonSchemaIsStrict选项到OpenAI选项映射中,提供了更严格的模式验证。
-
评估报告改进:评估报告现在支持版本控制,并修复了树形结构展开的问题。新增了趋势视图功能,可以同时查看叶子级场景运行和聚合场景组的趋势。
-
语音转文字抽象:新增了M.E.AI.Abstractions中的语音转文字抽象层,为语音处理功能提供了统一接口。
开发体验优化
-
模板改进:AI聊天模板现在默认使用刚刚构建的包,并添加了favicon。模板现在会为AIChatWeb创建指定名称的目录,提升了使用体验。
-
错误处理:改进了函数调用错误处理机制,使错误信息更加清晰。同时修复了AzureAIInferenceChatClient中空消息的处理问题。
-
配置更新:动态配置更新现在支持Random概率采样器,使配置更加灵活。
-
日志记录:Telemetry和Logging现在将{OriginalFormat}作为日志记录的最后一个属性发出,使日志格式更加规范。
性能与稳定性
-
内存优化:修复了CG Slice路径中内存使用可能为0的问题,提升了内存使用效率。
-
HybridCache改进:增强了仅包含字段类型的检测能力,参考了STJ的实现,提升了缓存的效率和稳定性。
-
构建系统:修复了多次运行构建命令时可能失败的问题,提升了开发效率。
总结
dotnet/extensions 9.4.0版本在AI功能方面取得了显著进展,特别是在聊天功能、函数调用和评估报告方面。同时,通过优化模板和开发工具,大大提升了开发者的使用体验。这些改进使得.NET生态中的AI应用开发更加高效和可靠,为开发者构建智能应用提供了更强大的支持。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00